2022年10月21日下午，北京航空航天大学周琳老师受邀在南开大学统计与数据科学学院做线上学术报告，主题为“Asymptotics for statistical classification and outlier hypothesis testing”。本次报告由南开大学统计与数据科学学院于磊副教授主持，共有20余位师生在线参加。
在报告中，周琳老师首先介绍了符合现实中机器学习应用的统计分类问题，并研究其非渐近基本极限的近似。经典二元统计分类问题中，存在分别根据两个未知分布生成的训练序列，任务是对已知由其中一个未知分布生成的测试序列进行分类。由于有限样本的考虑，周琳老师考虑了Ⅰ型和II型误差概率之间的二阶渐近权衡，以确保（1）所有分布对的Ⅰ型误差概率以指数方式快速衰减，以及（2）特定分布对的II型误差概率不消失。进一步地，周琳老师具体介绍了在不同场景下该非渐近基本极限的二阶近似结果，讨论了训练序列与测试序列长度比对分类性能的影响，并基于数值仿真验证其正确性。
随后，周琳老师将上述二元统计分类的结果推广到离群假设检验问题，基于此提出了一种普适检验，并证明了其在广义Neyman-Pearson检验标准下是二阶渐进最优的。
讲座中，周琳老师细致地回答了部分师生的问题。在讲座结束后，周琳老师与参会的师生就后续研究方向进行了深入的交流与讨论。
【报告人简介】
周琳，北京航空航天大学网络空间安全学院副研究员，博士生导师。研究方向包括信息论、物理层安全、无线通信、统计异常检测等。2014年于上海交通大学信息工程系获学士学位，2018年于新加坡国立大学电子与计算机工程系获博士学位。2019年入选北航“卓越百人计划”，2021年入选国家级青年人才计划与北航第十一批“青年拔尖人才计划”，2022年获中国指挥与控制学会科学进步一等奖。
